一种基于决策树的轨道交通故障诊断方法和系统技术方案

本发明专利技术涉及一种基于决策树的轨道交通故障诊断方法和系统。该方法的步骤包括：1）通过分析轨道交通设备的电路和机械结构模型确定该设备的各种故障模式和各种监测量；2）根据轨道交通设备的各种历史监测量得到标准故障样本数据，然后采用决策树生成算法对标准故障样本数据进行分析，构造得到故障的决策树；3）采集轨道交通设备的各种实时监测量，并采用所述决策树作为故障模式的分类模型进行分类，从而确定故障种类。该系统包括数据采集设备、数据库单元、数据分析单元和知识库单元。本发明专利技术解决了现有技术中人工诊断铁路信号系统故障时工作量大、效率低下、风险性高等技术问题，提高轨道交通数据分析和故障诊断的效率和准确性。

【技术实现步骤摘要】
【专利摘要】本专利技术涉及一种基于决策树的轨道交通故障诊断方法和系统。该方法的步骤包括：1）通过分析轨道交通设备的电路和机械结构模型确定该设备的各种故障模式和各种监测量；2）根据轨道交通设备的各种历史监测量得到标准故障样本数据，然后采用决策树生成算法对标准故障样本数据进行分析，构造得到故障的决策树；3）采集轨道交通设备的各种实时监测量，并采用所述决策树作为故障模式的分类模型进行分类，从而确定故障种类。该系统包括数据采集设备、数据库单元、数据分析单元和知识库单元。本专利技术解决了现有技术中人工诊断铁路信号系统故障时工作量大、效率低下、风险性高等技术问题，提高轨道交通数据分析和故障诊断的效率和准确性。【专利说明】一种基于决策树的轨道交通故障诊断方法和系统
本专利技术属于信息技术和轨道交通
，具体涉及一种基于决策树的轨道交通故障诊断方法和系统。
技术介绍
目前，轨道交通(国有铁路、企业铁路和城市轨道交通)领域、监测维护产品主要有三类:CSM(信号集中监测系统)、各设备维护机、通信网管系统。为了提高我国铁路信号系统设备的现代化维修水平，从90年代开始，先后自主研制了 TJWX-1型和TJWX-2000型等不断升级中的信号集中监测CSM系统。目前大部分车站都采用了计算机监测系统，实现了对车站信号设备状态的实时监测，并通过监测与记录信号设备的主要运行状态，为电务部门掌握设备的当前状态和进行事故分析提供了基本依据，发挥了重要作用。并且，对城市轨道交通信号设备，集中监测CSM系统也被广泛部署在城轨集中站/车辆段等处，供城轨运维使用。此外，伴随我国高速铁路的建设发展，高铁特有的RBC系统、TSRS系统、ATP系统，也面临着纳入信号集中监测系统的需求，也面临着提高其监测能力、运维能力，以及设备自诊断能力的需求。面对很多复杂设备故障和行车事故原因的分析诊断方面，既有CSM系统尚无能为力，目前仍需依靠人工经验分析判断，很多情况下只有在出现重大问题时才发现故障，不仅导致了人工诊断铁路信号系统故障时工作量大、故障监测与诊断效率低下等技术问题，增加了行车的危险。因此，提高各种监测资源的利用率，保障行车安全、提高运力，是轨道交通领域的迫切需求。
技术实现思路
为了解决现有技术中人工诊断铁路信号系统故障时工作量大、效率低下、风险性高等技术问题，本专利技术提供了一种基于决策树的轨道交通故障诊断方法和系统。本专利技术采用的技术方案如下:一种基于决策树的轨道交通故障诊断方法，其步骤包括:I)通过分析轨道交通设备的电路和机械结构模型确定该设备的各种故障模式和各种监测量；2)根据轨道交通设备的各种历史监测量得到标准故障样本数据，然后采用决策树生成算法对标准故障样本数据进行分析，构造得到故障的决策树；3)采集轨道交通设备的各种实时监测量，并采用所述决策树作为故障模式的分类模型进行分类，从而确定故障种类。进一步地，步骤I)所述各种故障模式包括设备故障的部位、设备故障的类型等信息，可以看作是分类的类别属性，作为决策树的树叶。进一步地，步骤I)所述各种监测量包括设备运行中的状态参数，可以看作是分类的特征属性，作为决策书的中间结点。进一步地，步骤2)采用决策树生成算法构造决策树的具体实现过程是:a)树以代表训练样本的单个结点开始。b)如果样本都在同一个类，则该结点成为树叶，并用该类标记。c)否则，算法选择最有分类能力的属性作为决策树的当前结点。d)根据当前决策结点属性取值的不同，将训练样本数据集划分为若干子集。每个取值形成一个分枝，有几个取值形成几个分枝。e)针对上一步得到的一个子集，重复进行先前步骤，递归形成每个划分样本上的决策树。一旦一个属性出现在一个结点上，就不必在该结点的任何后代考虑它。f)递归划分步骤仅当下列条件之一成立时停止:①给定结点的所有样本属于同一个类。②没有剩余属性可以用来进一步划分样本。在这种情况下，使用多数表决，将给定的结点转换成树叶，并以样本中元组个数最多的类别作为类别标记，同时也可以存放该结点样本的类别分布。③如果一个分枝没有样本，则以样本的多数类创建一个树叶。进一步地，步骤3)以IF-THEN形式的分类规则表示决策树，从树根开始,遍历整棵树，对每条从根到树叶的路径创建一个规则。进一步地，对于产生的决策树，步骤3)沿着给定路径上的每个“属性-值”对形成规则前件的一个合取项；决策树的叶节点包含类预测，形成规则后件。进一步地，步骤3)使用成为信息增益的基于熵的度量作为启发信息，选择能够最好地将样本分类的属性，该属性成为该节点的“测试”或“判定”属性，由根结点开始根据各个属性的信息增益，逐步构建决策树。一种采用上述方法的轨道交通故障诊断系统，其包括:数据采集设备，用于采集轨道交通信号设备的监测数据，数据库单元，连接所述数据采集设备，用于存储采集的历史监测数据和实时监测数据；数据分析单元，连接所述数据库单元，用于对数据库中的历史数据进行数据分析，得到进行故障诊断的决策树，并利用数据库中的实时数据通过决策树对设备进行故障诊断；知识库单元，连接所述数据分析单元，用于存储所述进行故障诊断的决策树。进一步地，上述系统为设备级故障诊断系统，所述数据采集设备与所述数据库单元、所述数据分析单元、所述知识库单元集成于一个工作站内，通过数据总线进行数据传输；或者所述数据库单元、所述数据分析单元、所述知识库单元集成于一个工作站内，与所述数据采集设备通过以太网进行数据传输。进一步地，上述系统为运维级故障诊断系统，所述数据采集设备、所述数据库单元、所述数据分析单元、所述知识库单元部署于设备运维平台中，所述数据库单元为数据库服务器，所述数据分析单元为数据分析服务器。本专利技术提供的基于决策树的轨道交通故障诊断方法和系统，在知识表示方面使得知识表示简单、可读性好、便于专家检验，能够根据需要随时添加知识，且不影响已经获得的知识；在知识获取方法方面具有知识表示简单、计算复杂性低、适应性强的特点，使得知识表示和知识获取融为一体，具有较高的推理效率，可以实现知识的自动获取，从而较好地解决了知识获取的瓶颈问题。本专利技术能够解决现有技术中人工诊断铁路信号系统故障时工作量大、效率低下、风险性高等技术问题，提高轨道交通数据分析和故障诊断的效率和准确性。【专利附图】【附图说明】图1是实施例中ZPW-2000A无绝缘轨道电路设备的电路图。图2是实施例中采用决策树生成算法得到的故障决策树示意图。图3是实施例中数据分析工作站的结构示意图。图4是实施例中便携式数据分析工作站的结构示意图。图5是实施例中运维级数据分析的结构框图。【具体实施方式】下面通过具体实施例和附图，对本专利技术做进一步说明。本专利技术是一种基于决策树的轨道交通监测数据分析和故障诊断方法，可以解决现有技术中人工诊断铁路信号系统故障时工作量大、效率低下、风险性高等技术问题。决策树学习算法，是以实例为基础的归纳学习算法，通常用来形成分类器和预测模型，可以对未知数据进行分类或预测、数据预处理、数据挖掘等。它通常包括两部分:树的生成和树的剪枝。下面根据建立的数据样本集说明决策树的生成算法的实现过程。决策树归纳的基本算法是贪婪算法，它以自顶向下递归的各个击破方式构造决策树。它的基本策略如下:1.树以代表训练样本的单个节点开始。2.如本文档来自技高网...

【技术保护点】
一种基于决策树的轨道交通故障诊断方法，其步骤包括：1）通过分析轨道交通设备的电路和机械结构模型确定该设备的各种故障模式和各种监测量；2）根据轨道交通设备的各种历史监测量得到标准故障样本数据，然后采用决策树生成算法对标准故障样本数据进行分析，构造得到故障的决策树；3）采集轨道交通设备的各种实时监测量，并采用所述决策树作为故障模式的分类模型进行分类，从而确定故障种类。

【技术特征摘要】

【专利技术属性】
技术研发人员：鲍侠，
申请(专利权)人：北京泰乐德信息技术有限公司，
类型：发明
国别省市：北京;11